یک متد با محدودیت ϵ تقریبی برای زمان بندی کار چند هدفه در ابر

قیمت: 41,000 تومان

دانلود رایگان مقاله

خرید ترجمه مقاله

عنوان فارسی

یک متد با محدودیت ϵ تقریبی برای زمان بندی کار چند هدفه در ابر

عنوان لاتین

approximate-constraint-method-multi-objective

رایانش ابری یک مدل ترکیبی است که منابع سخت افزاری و نرم افزاری را از طریق شبکه‌های کامیپوتری در اختیار شما قرار می‌دهد. خدمات داده‌ای (سخت افزار) همراه با کاربردهای آن‌ها (نرم افزار) به جای اینکه در یکی از کامپیوترهایی که به شبکه‌ها متصل است مقیم باشند؛ در سرورهای وب مقیم هستند. از طریق یک دستگاه (کامپیوتر یا یک تلفن هوشمند)، یک مرورگر و یک اتصال اینترنتی، هر کاربر به پلت فرم ابر دسترسی دارد و خدمات خاصی را طلب می‌کند. برای مثال، کاربر می‌تواند برخی از اپلیکیشن‌ها (کار ) را در ماشین‌هایی (هاست‌ها) از یک زیرساخت ابری اجرا کند. بنابراین، ارائه رویکردهای زمان بندی کار بهینه شده مناسب برای تعادل توزیع بار کاری در میان هاست‌های پلت فرم اهمیت یافته است. در این مقاله، یک فرمولاسیون ریاضی چند هدفه از مسئله زمان بندی کار در یک پلت فرم رایانش ابری همگن به منظور بهینه سازی متوسط زمان انتظار برای کار، متوسط زمان انتظار برای کارها در طولانی ترین زمان بندی کار (زمان اتمام کار ) و تعداد هاست مورد نیاز ارائه شده است. رویکرد پیشنهادی بر اساس متد تقریبی با محدودیت ϵ است که در مجموعه‌ای از نمونه‌ها تست شده است و با متد مجموع وزن دار (WS) مقایسه شده است. نتایج محاسباتی تاکید می‌کنند که رویکرد ما از متد WS از نظر تعداد راه حل‌‌های غیر سلطه‌ای بهتر اجرا می‌شود.

Cloud computing is a hybrid model that provides both hardware and software resources through computer networks. Data services (hardware) together with their functionalities (software) are hosted on web servers rather than on single computers connected by networks. Through a device (e.g., either a computer or a smartphone), a browser and an Internet connection, each user accesses a cloud platform and asks for specific services. For example, a user can ask for executing some applications (jobs) on the machines (hosts) of a cloud infrastructure. Therefore, it becomes significant to provide optimized job scheduling approaches suitable to balance the workload distribution among hosts of the platform. In this paper, a multi-objective mathematical formulation of the job scheduling problem in a homogeneous cloud computing platform is proposed in order to optimize the total average waiting time of the jobs, the average waiting time of the jobs in the longest working schedule (such as the makespan) and the required number of hosts. The proposed approach is based on an approximate ϵ-constraint method, tested on a set of instances and compared with the weighted sum (WS) method. The computational results highlight that our approach outperforms the WS method in terms of a number of non-dominated solutions.